Teil D · KI im Einsatz · Lektion 17

Geschichte in Meilensteinen

Geprüft am 20.11.2026

Drei Dinge haben den Durchbruch gebracht: viele Daten, viel Rechenleistung (GPUs) und bessere Verfahren (Backpropagation, Transformer).

JahrEreignisWarum es wichtig ist
1950Alan Turing schlägt den „Turing-Test“ vorFrage: Kann eine Maschine denken?
1956Dartmouth-Konferenz – der Begriff „Artificial Intelligence“ entstehtGeburtsstunde des Fachgebiets
1958Perzeptron von Frank Rosenblatterstes lernendes künstliches Neuron
1970er, 1980erExpertensysteme; danach „KI-Winter“regelbasierte KI stößt an Grenzen, Förderung bricht ein
1986Backpropagation wird bekannt (Rumelhart, Hinton, Williams)mehrschichtige Netze werden trainierbar
1997Deep Blue schlägt Schachweltmeister KasparowRechenkraft und Suche statt Lernen
2012AlexNet gewinnt den ImageNet-Wettbewerb deutlichDurchbruch des Deep Learning dank GPUs und großer Daten
2016AlphaGo besiegt den Go-Spitzenspieler Lee SedolDeep Learning + bestärkendes Lernen
2017Transformer-Architektur („Attention Is All You Need“)Grundlage heutiger Sprachmodelle
2022ChatGPT wird öffentlichgenerative KI erreicht die breite Masse
2024EU-KI-Verordnung tritt in Kraft (1. August)erster umfassender Rechtsrahmen für KI
Merksatz

Drei Dinge haben den Durchbruch gebracht: viele Daten, viel Rechenleistung (GPUs) und bessere Verfahren (Backpropagation, Transformer).

Prüfungstipp

Jahreszahlen werden selten einzeln abgefragt. Wichtiger ist die Begründung, warum KI seit etwa 2012 so stark wurde – die drei Treiber aus dem Merksatz.

Hinweise für Lehrende

Der KI-Winter ist eine Lehre für Führungskräfte: Überzogene Erwartungen führen zu Enttäuschung und Budgetkürzungen. Gute KI-Projekte versprechen messbaren Nutzen, keine Wunder.

Häufige Fragen zu „Geschichte in Meilensteinen“

Seit wann gibt es Künstliche Intelligenz?

Der Begriff entstand 1956 auf der Dartmouth-Konferenz. Erste lernende Neuronen gab es 1958 mit dem Perzeptron.

Warum ist KI seit etwa 2012 so leistungsfähig geworden?

Drei Treiber kamen zusammen: sehr viele Daten, viel Rechenleistung durch Grafikprozessoren und bessere Verfahren wie Backpropagation und später die Transformer-Architektur.

Was war der KI-Winter?

Phasen, in denen überzogene Erwartungen enttäuscht wurden und Förderung und Interesse stark zurückgingen, vor allem nach den Grenzen der regelbasierten Expertensysteme.